跳到正文 Chatgpt 说 · Jimmy Huang's Blog
← FIT5196 Seminar Week 6 学习 › C6001 › 2026 S1 › FIT5196 Data wrangling › Week 6 Data Structuring › FIT5196 Seminar Week 6 Chatgpt 说 Chatgpt 说 本页目录· 82 条 1. 本周 Seminar 总览 这周的主题是 Data Structuring（数据结构化） 。放在整个 Data Wrangling 流程里看，它承接前面的 data discovery / data collection ，也就是：前面解决“数据在哪里、怎么拿到”，这周开始解决“拿到以后怎么整理，才能让后面的清洗、转换、分析更顺”。
老师这周最核心的意思，不是让你变成“会手写数据结构的程序员”，而是让你理解一件很实用的事： 不同的数据任务，要选不同的数据结构；选错了，后面的分析会变慢、变乱、变难维护。
这周内容从基础到复杂，主线大致是：
为什么数据结构化重要
primitive types（基本数据类型）和 non-primitive types（非基本数据类型）
arrays / lists / queues / dictionaries
graphs / trees / BST / B-Tree / hash tables
课件里还包括 heaps（堆），但 transcript 里几乎没有展开说明
一句话概括这周： 这不是“背定义的一周”，而是“学会按任务选结构的一周”。
2. 核心知识点总结 知识点 1：Data Structuring 在讲什么 本页目录 效率（efficiency） ：访问、修改、统计更快
数据完整性（data integrity） ：更容易发现缺失、错误、不一致
可扩展性（scalability） ：数据量变大时，不至于直接崩掉
和课程整体有什么关系 它是 data wrangling 的中间核心步骤。
discovery 是“知道数据在哪”
collection 是“把数据拿回来”
structuring 是“把拿回来的脏乱数据变成后面能清洗、转换、分析的形状”
如果这一步做不好，后面的 cleaning、EDA、transformation、validation 都会很痛苦。
知识点 2：Primitive Data Types（基本数据类型）
这四种类型怎么记 Integer ：适合计数、索引、年龄、ID 中真正可计算的整数部分
Float ：适合有小数的数值，但要记得它有精度限制
Character ：一个字符，适合表示单个符号或特殊标记
Boolean ：是/否、真/假、有没有、通过/未通过
一个容易混淆的点
知识点 3：Non-Primitive Data Types（非基本数据类型） 为什么重要 因为现实数据很少只是“一个数字”。
你更常面对的是： 一组记录
一段文本
一批动态增删的数据
要靠 key 快速查找的信息
和课程整体有什么关系 这就是数据结构化真正落地的地方。
你不是只知道“数据要整理”，而是要知道： 连续存适不适合
要不要频繁插入删除
要不要按顺序处理
要不要按 key 秒查
3.1 Array（数组）
3.2 String（字符串）
3.3 List / Linked List（列表 / 链表）
3.4 Queue（队列）
知识点 4：Dictionary / Hash Table（字典 / 哈希表） 和课程整体有什么关系 Data wrangling 里经常做： 一个 ID 对应一条记录
一个单词对应出现次数
一个类别对应一组统计
这些都非常适合字典 / 哈希表。
这一块最重要的不是定义，而是两个结论 平均情况下，查找可以非常快（常说 O(1)）
前提是哈希函数设计得好、冲突少
Collision（冲突）是什么 不同 key 被哈希到同一个 bucket
比如两个名字最后都被分到 152 号槽位
一旦冲突多，查找性能会下降
老师口头强调的关键点
知识点 5：Graphs 和 Trees（图和树） 怎么理解（学生版） Graph 像“关系网”
Tree 像“家谱 / 文件夹层级”
图的三种常见形式
树家族里这周出现了哪些名字 Binary Tree
BST
B-Tree
AVL Tree
Red-Black Tree
Suffix Tree
Segment Tree
Trie
Quad-Tree
k-d Tree
学到什么程度合适 这周不要求你会手写这些树
但你最好知道： 它们大概是什么
适合什么任务
为什么会比“乱放数据”更高效
transcript 里一个额外重点
知识点 6：Binary Tree 与 Binary Search Tree（BST） 为什么重要 BST 是这周最像“高频考点”的结构之一，因为它同时体现了： 有序存储
高效查找
插入 / 删除 / 遍历
平衡与退化的差别
Binary Tree 里几个容易混的定义 Full Binary Tree ：每个节点要么 0 个孩子，要么 2 个孩子
Complete Binary Tree ：除最后一层外都满，最后一层尽量靠左
Perfect Binary Tree ：所有内部节点都有 2 个孩子，所有叶子在同一层
Balanced Binary Tree ：左右子树高度差不超过 1
Degenerate Binary Tree ：退化树，几乎变成一条线
为什么这些定义重要 因为它们直接影响性能。
老师最强调的是： 树形状好（尤其比较平衡） -> 搜索快
树退化成一条线 -> 性能掉回 O(n)
BST 的关键优点 查找快
可以保持有序
支持插入、删除
适合范围查询
适合做索引
BST 的关键缺点 不平衡时会退化
删除内部节点时修复比较麻烦
维护平衡有额外成本
数据很大时，维护开销会上来
老师口头解释得特别细的三件事
知识点 7：Tree Traversal（树遍历） 是什么 遍历就是：按某种顺序把树中的节点访问一遍
这周重点是三种： Inorder ：左 -> 中 -> 右
Preorder ：中 -> 左 -> 右
Postorder ：左 -> 右 -> 中
怎么理解（学生版） 把树想成一个层级目录： Inorder：左边先看，再看自己，再看右边
Preorder：自己先报到，再去左边，再去右边
Postorder：左右都处理完，最后再处理自己
这部分最重要的一个结论
老师这部分的“陷阱题” 这是很典型的 quiz 风格题： 表面在问顺序
实际在考你有没有理解“都访问了所有节点”
知识点 8：B-Tree 与 Heap（课件补充）
8.1 B-Tree 为什么重要 可以减少树太深的问题
更适合一些实际系统里的索引需求
8.2 Heap（堆） 是什么 一种满足 heap property 的树结构
Max-Heap ：根节点最大
Min-Heap ：根节点最小
为什么重要 适合 priority queue（优先队列）
适合 heapsort
也会出现在图算法里
怎么理解 它不是“全局完全排序”
而是保证“最重要的那个在顶上”
3. 老师强调的重点
明确高频重点 1：为什么 data structuring 很重要
明确高频重点 2：字段要选对数据类型 你该掌握到什么程度 会判断一个字段最适合哪种类型
会解释“为什么其他类型不合适”
明确高频重点 3：不是让你手写实现，而是让你会“选” 隐含重点 以后碰到题目，可能不是问你怎么手写树或哈希表
而是问你： 这个任务该选哪种结构，为什么
明确高频重点 4：BST 的逻辑、优势、局限 你该掌握到什么程度 能口头解释： 为什么 BST 查找快
什么情况下快
什么情况下会退化变慢
删除为什么比查找更麻烦
明确高频重点 5：Traversal 顺序 + “效率陷阱题” 判断理由 老师专门用它做课堂题
还提醒大家不要只凭直觉选 preorder
你该掌握到什么程度 记住三种顺序
更重要的是理解： 遍历整棵树时，它们都要访问所有节点
所以复杂度量级并不会因为名字不同就本质改变
明确高频重点 6：Dictionary / Hash Table + collision 你该掌握到什么程度 能解释： key-value 是什么
hash function 做什么
bucket 是什么
collision 为什么会让性能变差
明确高频重点 7：Queue 的抽象性和实现差异 判断理由 老师并不满足于只说 FIFO
还展开讲 array 实现为什么出队麻烦
你该掌握到什么程度 会说 queue 是 FIFO
也知道： 同一个抽象结构，底层实现不同，性能会不同
隐含重点：这周真正考的是“结构与任务匹配”
4. transcript 里补充的重要信息
课件没写得这么细，但老师口头补充了这些 现代 data collection 可能很简单，但 structuring 才是开始“真正动手”的地方 年龄字段的例子是很强的实务提醒 string 会让计数、比较、计算都变麻烦
float 会让不该出现的小数混进来
这体现的是“类型选择服务于任务”
Character 虽然平时不常被重视，但适合存单个特殊标记 Queue 的重点不是定义，而是“为什么 array 出队麻烦” Dictionary / hash table 的最好理解方式是“key 快速定位 record” 老师强调：现代库已经实现好了，学生重点是“会判断、会用” 这是 transcript 里反复说的
对复习方向很重要：重理解，轻手写底层实现
Quiz 的官方规则要看 Lecture 0 / Unit 0
资料中需要澄清 / 对齐的地方 “搜索最优是 O(log n)”这句话要放在 BST 语境里理解 老师在讲 balanced BST 时强调 O(log n)
但后面 hash table 又讲到平均 O(1)
所以别把它理解成“所有数据结构的搜索最好都只能 O(log n)”
Heap 在课件里有完整内容，但 transcript 里几乎没讲
5. 这周最可能要掌握的考点 / 作业相关点
很可能会考 / 会出现在 quiz 里的内容
1）Data structuring 为什么重要
2）字段类型选择
3）Primitive vs Non-Primitive 理由 这是课件结构主干
老师专门从这里过渡到后面的更复杂结构
你要会答 区别是什么
各自典型例子是什么
为什么 primitive 通常更快、更省空间
4）Queue 的 FIFO 与实现差异
5）BST：定义、平衡性、搜索/插入/删除、遍历
6）Traversal 的“效率陷阱题”
7）Dictionary / Hash Table / Collision
可能和 assignment / 后续课程相关的内容
1）“选对结构”而不是“手写结构” 这很像 assignment 或实际项目中的要求
你可能需要解释： 为什么这里用 dict 不用 list
为什么这里适合 queue
为什么这里要先把文本变成表
2）Suffix tree / 文本相关结构
3）后续会用到 structuring 的地方
本周还有非常实际的 assessment 提醒
6. 我应该怎么学这周内容
推荐学习顺序
第 1 步：先把“这周到底在解决什么问题”讲明白
第 2 步：把“类型选择”学扎实
第 3 步：学会按任务选线性结构 还是看 第 10–12 页 ，配合 transcript
重点问自己：
我要的是按位置快速访问，还是动态插入删除？
我要的是顺序处理，还是 key 查找？
我要的是文本存储，还是频率统计？
第 4 步：重点攻 BST 重点看课件 第 18–25 页
这是这周最值得手画一遍的部分：
第 5 步：再学 hash table 看课件 第 27–32 页
重点不是背定义，而是用老师那个例子自己复述一遍：
学号为什么适合当 key
hash function 在做什么
collision 为什么危险
第 6 步：最后扫 graph / tree family / heap 看课件 第 15–17 页、33–37 页
这一轮目标是“认识 + 会说用途”
我必须先搞懂的基础概念 Data type 和 data structure 不是一回事 type 更像“这个字段是什么性质”
structure 更像“这一堆数据怎么组织”
树快不快，和平不平衡关系很大
哈希表快不快，和冲突多少关系很大
哪些内容属于“理解型” 为什么 data structuring 是 wrangling 的关键步骤
为什么 age 用 integer 更合理
为什么 queue 用 array 出队会麻烦
为什么 BST 平衡时快、退化时慢
为什么 hash table 平均快但 collision 会拖慢
为什么遍历方式不同，但遍历整棵树的复杂度量级差不多
哪些内容属于“记忆型” Primitive types：integer / float / char / boolean
Non-primitive 代表：array / string / list / queue / dictionary
Graph 的三种：directed / undirected / weighted
Traversal 顺序： inorder：左中右
preorder：中左右
postorder：左右中
哪些内容属于“应用型”
哪些内容只需要了解
哪些内容需要重点掌握 data structuring 的意义
字段类型选择
array / list / queue / dictionary 的使用场景
BST 的逻辑与优缺点
traversal 顺序与用途
hash table 的 key / hash / bucket / collision
这周最容易混淆的地方 Data type vs Data structure
List vs Queue list 是更一般的容器
queue 是有 FIFO 规则的抽象结构
Dictionary vs Hash Table dictionary 是“键值映射”的概念
hash table 常是它的实现方式
Full / Complete / Perfect / Balanced BST 的 O(log n) vs Hash table 的 O(1) Traversal 顺序 vs Traversal 效率
学完后，你应该能回答这些问题，才算真的掌握 为什么 data structuring 是 data wrangling 的核心环节之一？
discovery、collection、structuring 分别在做什么？
年龄为什么更适合 integer，而不是 string 或 float？
queue 为什么叫 FIFO？为什么用 array 实现出队会麻烦？
dictionary / hash table 为什么比 list 更适合“学号找记录”？
collision 是什么？为什么它会让 hash table 变慢？
BST 为什么能加速查找？
BST 为什么在退化时会失去优势？
inorder / preorder / postorder 分别是什么？
为什么 inorder 在 BST 中常能输出排序结果？
为什么老师说重点不是手写实现，而是会选结构？
当数据是文本、关系网络、优先级任务时，你分别会想到什么结构？
7. 给我一份简短复习清单
8. 如果我是初学者，你再用更简单的话解释一遍
第一步：先知道东西在哪
第二步：把东西拿回来
第三步：把东西分门别类放好 数据拿回来以后，如果还是乱的，后面分析会很痛苦
所以你要学会“用合适的盒子装合适的东西”
这些“盒子”是什么 Integer ：装整数
Float ：装小数
Boolean ：装“是/不是”
String ：装文字
Array ：像连续的一排小格子
List ：像一串连起来的小纸条
Queue ：像排队买饭，先来先服务
Dictionary ：像“学号 -> 学生信息”这种查表系统
Tree ：像家谱或文件夹层级
BST ：一种特别会“按大小分类放东西”的树
Hash Table ：一种让你能很快按 key 找东西的结构
Heap ：一种保证“最大或最小的先放在最上面”的结构
最实用的一句总结 这周不是要你变成“数据结构专家”，而是要你会判断：
再压缩成一句话 Week 6 真正要会的，不是背很多名词，而是：把“数据怎么放”这件事，和“我后面要怎么分析它”连起来。